线性回归数据_R数据科学——线性回归七

      本文介绍了如何在R中运行线性回归。本教程介绍了线性回归的假设以及假设是否违背时的处理方法。它还涵盖了拟合模型和计算模型性能指标以检查线性回归模型的性能。线性回归是最流行的统计技术之一。它已经使用了超过3年。它很容易理解线性回归的输出，因此几乎在每个领域都被广泛接受。

理论部分结束。让我们用R实现线性回归

加载所需的包

library(ggplot2)library(car)library(caret)library(corrplot)

  确保上面列出的软件包已经安装并加载到R中。如果尚未安装，则需要使用命令install.packages(“ package-name”)进行安装。

线性回归模型的系数和ANOVA表

  线性回归模型测试估计等于0的零假设。p值小于0.05的自变量表示我们拒绝5％显着性水平的原假设。这意味着该变量的系数不等于0。较大的p值表示变量对于预测目标变量没有意义。

>  summary(fit)

‍

Call:lm(formula = mpg ~ ., data = dat3)Residuals:    Min      1Q  Median      3Q     Max -5.4850 -1.3058  0.1856  1.5278  5.2439Coefficients:            Estimate Std. Error t value Pr(>|t|)  (Intercept)  16.7823    19.6148   0.856    0.401  cyl6         -1.8025     2.6085  -0.691    0.497  cyl8         -3.5873     4.0324  -0.890    0.383  drat          1.4283     2.1997   0.649    0.523  qsec          0.1003     0.7729   0.130    0.898  vs1           0.7068     2.3291   0.303    0.764  am1           3.2396     2.4702   1.311    0.203  gear4         1.3869     3.0466   0.455    0.653  gear5         2.3776     3.4334   0.692    0.496  carb         -1.4836     0.6305  -2.353    0.028 *---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 3.004 on 22 degrees of freedomMultiple R-squared:  0.8237,  Adjusted R-squared:  0.7516 F-statistic: 11.42 on 9 and 22 DF,  p-value: 1.991e-06

Analysis of Variance TableResponse: mpg          Df Sum Sq Mean Sq F value    Pr(>F)    cyl        2 824.78  412.39 45.7033 1.464e-08 ***drat       1  14.45   14.45  1.6017   0.21890    qsec       1   2.83    2.83  0.3137   0.58108    vs         1   1.02    1.02  0.1132   0.73969    am         1  26.35   26.35  2.9198   0.10157    gear       2   8.15    4.07  0.4513   0.64254    carb       1  49.96   49.96  5.5363   0.02798 *  Residuals 22 198.51    9.02                      ---Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

计算模型性能指标

＃提取R平方值> summary(fit)$r.squared

[1] 0.8237094

＃提取调整后的R平方值> summary(fit)$adj.r.squared

[1] 0.7515905

> AIC(fit)

[1] 171.2156

> BIC(fit)

[1] 187.3387

往期

回顾

◆R数据科学——线性回归一

◆R数据科学——线性回归二

◆R数据科学——线性回归三

◆R数据科学——线性回归四

◆R数据科学——线性回归五

◆R数据科学——线性回归六

查看更多精彩内容>>